按文献类别分组
按栏目分组
关键词
基于模糊信息粒化和优化SVM的航空发动机性能趋势预测
作者: 李艳军   张建   曹愈远   张丽娜   来源: 航空动力学报 年份: 2018 文献类型 : 期刊 关键词: 模糊信息粒化   航空发动机   遗传算法   参数预测   折交叉验证   k   支持向量机(SVM)  
描述: 提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K-CV验证误差最小作为优化目标,采用遗传算法(GA
飞机发动机尾流流场数值模拟与红外特性计算
作者: 吴沿庆   廖守亿   张作宇   花超   来源: 激光与红外 年份: 2018 文献类型 : 期刊 关键词: 反向蒙特卡洛法   分布法   Fluent   尾流   k   红外辐射特性  
描述: 建立飞机尾喷管的三维几何模型,利用Fluent 6.3.26软件对喷管外的流场区域进行数值模拟,基于发动机完全燃烧假设得到尾焰流场温度、压强等流场数据。利用K-分布法计算尾焰气体辐射参数,采用反向蒙特卡洛法(RMC)对气体红外辐射特性进行了计算,最终获得尾焰的红外辐射图像。
基于多普勒频移改变量的单星航空器位置验证
作者: 刘海涛   冯景勃   李冬霞   王磊   来源: 北京航空航天大学学报 年份: 2023 文献类型 : 期刊 关键词: 多普勒频移的改变量   S检验   B   星基ADS   位置验证   k   定位误差  
描述:Kolmogorov-Smirnov,k-s)检验方法以识别虚假ADS-B消息,最后通过计算机仿真验证所提出方法的正确性和有效性。研究表明:所提出方法的检测概率达到97.75%以上,漏警概率低于4.50%,此外只需单颗低轨道卫星,并且对航空器和卫星的定位误差不敏感。
基于QAR数据的飞行员个体超限风险精细化评价模型
作者: 汪磊     安佳宁     赵新斌     俞力玲   来源: 中国安全科学学报 年份: 2024 文献类型 : 期刊 关键词: 精细化评价   个体超限风险   飞行品质监控(FOQA)   快速存取记录器(QAR)数据   k   Means聚类   熵权逼近理想解排序(TOPSIS)法  
描述: 基于QAR数据的飞行员个体超限风险精细化评价模型
作者: 邓蕾蕾     潘卫军     崔烁     潘璇   来源: 航空计算技术 年份: 2024 文献类型 : 期刊 关键词: 可视化   形态学   目标检测   尾涡检测   多普勒激光雷达   k   最近邻算法  
描述:
基于多普勒频移改变量的单星航空器位置验证
作者: 刘海涛   冯景勃   李冬霞   王磊   来源: 北京航空航天大学学报 年份: 2023 文献类型 : 期刊 关键词: 多普勒频移的改变量   S检验   B   星基ADS   位置验证   k   定位误差  
描述:Kolmogorov-Smirnov,k-s)检验方法以识别虚假ADS-B消息,最后通过计算机仿真验证所提出方法的正确性和有效性。研究表明:所提出方法的检测概率达到97.75%以上,漏警概率低于4.50%,此外只需单颗低轨道卫星,并且对航空器和卫星的定位误差不敏感。
基于QAR数据的飞行员个体超限风险精细化评价模型
作者: 汪磊     安佳宁     赵新斌     俞力玲   来源: 中国安全科学学报 年份: 2024 文献类型 : 期刊 关键词: 精细化评价   个体超限风险   飞行品质监控(FOQA)   快速存取记录器(QAR)数据   k   Means聚类   熵权逼近理想解排序(TOPSIS)法  
描述: 基于QAR数据的飞行员个体超限风险精细化评价模型
作者: 邓蕾蕾     潘卫军     崔烁     潘璇   来源: 航空计算技术 年份: 2024 文献类型 : 期刊 关键词: 可视化   形态学   目标检测   尾涡检测   多普勒激光雷达   k   最近邻算法  
描述:
改进YOLO V3遥感图像飞机识别应用
作者: 郑志强   刘妍妍   潘长城   李国宁   来源: 电光与控制 年份: 2019 文献类型 : 期刊 关键词: YOLO   Densenet   遥感图像   means   卷积神经网络   飞机识别   k   V3  
描述: 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块
改进YOLO V3遥感图像飞机识别应用
作者: 郑志强   刘妍妍   潘长城   李国宁   来源: 电光与控制 年份: 2019 文献类型 : 期刊 关键词: YOLO   Densenet   遥感图像   means   卷积神经网络   飞机识别   k   V3  
描述: 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块
< 1 2 3 4 5 6
Rss订阅